Estado de la Salud Global

Lectura rápida de señales sanitarias globales

🫁
RespiratoriasVigilancia estacional activaGripe, VRS y COVID-19 requieren seguimiento diferenciado según la región.
💉
VacunaciónPrioridad: cerrar brechasLas coberturas incompletas favorecen brotes de enfermedades prevenibles.
🧠
Salud mentalAcceso desigualLa integración de atención psicológica en servicios primarios sigue siendo prioritaria.
🥗
NutriciónDoble carga nutricionalDesnutrición y exceso de peso coexisten en numerosos sistemas sanitarios.
❤️
CrónicasPrevención sostenidaHipertensión, diabetes y enfermedades cardiovasculares concentran necesidades asistenciales.
🚨
AlertasVigilancia epidemiológicaSarampión, dengue y otras infecciones requieren detección temprana.
🔬
InvestigaciónAvances en evaluaciónDiagnósticos moleculares, inmunoterapia y medicina de precisión continúan desarrollándose.

Un modelo anticipa arritmias graves mediante señales del corazón


Investigadores españoles analizaron registros de más de 7.000 pacientes con desfibriladores implantables y desarrollaron una herramienta capaz de identificar períodos de mayor riesgo de fibrilación ventricular.


Redacción: Redacción Mundo de la Salud
Editor: Karem Díaz S.


Un equipo del Centro Nacional de Investigaciones Cardiovasculares Carlos III (CNIC), en España, ha desarrollado un modelo de inteligencia artificial que permite identificar cambios en la actividad eléctrica del corazón asociados con un mayor riesgo de arritmias ventriculares graves. La investigación, difundida el 20 de noviembre de 2026, utilizó información de pacientes portadores de desfibriladores implantables y mostró que determinadas alteraciones eléctricas pueden aparecer meses antes de un episodio de fibrilación ventricular.

El estudio, publicado en la revista científica Circulation: Arrhythmia and Electrophysiology, combinó experimentos preclínicos con el análisis de registros cardíacos obtenidos en hospitales españoles. Los investigadores desarrollaron el modelo utilizando datos de 5.089 pacientes de 50 hospitales y posteriormente lo validaron en un grupo independiente de 2.040 personas atendidas en otros siete centros.

La herramienta aprovecha información que los desfibriladores ya transmiten periódicamente a los hospitales. Su objetivo es transformar esos registros en una estimación dinámica del riesgo, de manera que los especialistas puedan reconocer períodos de mayor vulnerabilidad y, en el futuro, considerar intervenciones preventivas antes de que aparezca una arritmia potencialmente mortal.

Los resultados constituyen un avance en la evaluación del riesgo cardíaco, aunque todavía no demuestran que utilizar el modelo para modificar tratamientos reduzca la mortalidad o evite episodios de fibrilación ventricular.

Los desfibriladores implantables contienen información que puede anticipar el riesgo

Los desfibriladores automáticos implantables son dispositivos médicos que supervisan continuamente la actividad eléctrica del corazón y pueden administrar una descarga cuando detectan determinadas arritmias peligrosas.

Se utilizan en pacientes seleccionados con riesgo elevado de muerte súbita cardíaca, incluidos algunos que presentan insuficiencia cardíaca y una reducción importante de la capacidad de contracción del ventrículo izquierdo.

Estos dispositivos pueden reconocer ritmos ventriculares anormales y aplicar tratamientos eléctricos para intentar restablecer una actividad cardíaca eficaz.

Sin embargo, su función habitual consiste principalmente en detectar y tratar una alteración cuando esta aparece. Anticipar con suficiente precisión los períodos de mayor riesgo sigue siendo un desafío clínico.

La nueva investigación plantea aprovechar las señales eléctricas que los desfibriladores registran durante su funcionamiento cotidiano para identificar cambios progresivos relacionados con el deterioro del corazón.

Este enfoque complementa otras estrategias de modelización digital del corazón para estudiar las arritmias, que buscan comprender mejor el comportamiento eléctrico individual y orientar decisiones terapéuticas.

La insuficiencia cardíaca modifica la propagación de los impulsos eléctricos

El equipo científico partió de una hipótesis fisiológica: cuando la insuficiencia cardíaca progresa, pueden aumentar las presiones dentro del corazón y producirse cambios en la tensión de sus paredes.

Estas modificaciones mecánicas pueden influir sobre las propiedades eléctricas del músculo cardíaco y alterar la manera en que se propagan los impulsos responsables de coordinar los latidos.

El corazón funciona mediante una secuencia organizada de activación eléctrica que permite la contracción de sus cavidades.

Cuando esa secuencia se altera, pueden aparecer ritmos anormales. Algunos producen síntomas relativamente leves, mientras otros comprometen rápidamente la circulación sanguínea.

La fibrilación ventricular es una de las arritmias más peligrosas. Se caracteriza por una actividad eléctrica desorganizada que impide que los ventrículos bombeen sangre de manera eficaz.

Sin una intervención inmediata, puede provocar un paro cardíaco.

Los investigadores buscaron determinar si los cambios que acompañan al deterioro de la función cardíaca podían reconocerse mediante señales registradas por los desfibriladores antes de que ocurriera una arritmia grave.

Los primeros experimentos identificaron señales de deterioro eléctrico

La investigación comenzó con modelos animales de insuficiencia cardíaca equipados con dispositivos capaces de registrar la actividad eléctrica del corazón.

Durante el seguimiento, los científicos observaron que, a medida que progresaba la enfermedad, disminuía la amplitud de determinadas señales eléctricas locales y se hacía más lenta la activación ventricular.

Estas modificaciones estaban relacionadas con una mayor vulnerabilidad a la fibrilación ventricular al final del período experimental, en comparación con los animales del grupo de control sin enfermedad.

El resultado permitió establecer una relación entre el deterioro mecánico del corazón y determinadas alteraciones eléctricas detectables mediante dispositivos implantados.

Los investigadores utilizaron posteriormente ese conocimiento para orientar el desarrollo de un modelo informático capaz de analizar registros obtenidos en pacientes.

La transición desde los experimentos animales hasta los datos clínicos fue importante porque permitió evaluar si los patrones identificados tenían utilidad para estudiar el riesgo en personas con desfibriladores implantables.

El modelo se desarrolló con datos de 5.089 pacientes

El equipo utilizó una red neuronal, una modalidad de inteligencia artificial diseñada para reconocer relaciones complejas entre múltiples variables.

El modelo fue desarrollado mediante registros de actividad eléctrica cardíaca transmitidos a distancia por desfibriladores implantables de 5.089 pacientes procedentes de 50 hospitales españoles.

Los investigadores analizaron la evolución temporal de las señales eléctricas y la presencia de complejos ventriculares prematuros, conocidos también como extrasístoles ventriculares.

Estos latidos anticipados se originan en los ventrículos y pueden aparecer tanto en personas sin enfermedad cardíaca importante como en pacientes con alteraciones estructurales del corazón.

Su significado clínico depende del contexto, la frecuencia, las características eléctricas y las enfermedades asociadas.

El sistema desarrollado combina diferentes parámetros para generar una puntuación de riesgo que se actualiza cuando el dispositivo transmite nuevos datos.

En lugar de asignar a cada paciente una categoría fija de riesgo, el modelo intenta reconocer cómo cambia su situación a lo largo del tiempo.

Esta característica permite estudiar períodos de mayor vulnerabilidad que podrían pasar inadvertidos si únicamente se consideran variables clínicas medidas durante una consulta.

Una puntuación que cambia con cada transmisión

La herramienta genera una puntuación comprendida entre 0 y 100 a partir de la información eléctrica registrada por los desfibriladores.

Su valor se actualiza con cada nueva transmisión y refleja la evolución del perfil de riesgo identificado por el modelo.

Los investigadores observaron que, entre los pacientes que posteriormente experimentaron fibrilación ventricular, la puntuación tendía a aumentar durante los meses anteriores al acontecimiento.

En cambio, entre quienes no presentaron ese episodio, los valores permanecieron relativamente estables.

Este comportamiento sugiere que el deterioro eléctrico puede desarrollarse progresivamente y dejar señales reconocibles antes de que aparezca una arritmia grave.

Sin embargo, una puntuación elevada no significa que la fibrilación ventricular vaya a producirse inevitablemente.

Se trata de una estimación estadística que debe interpretarse dentro del contexto clínico y no como una predicción exacta del momento en que ocurrirá un episodio.

La investigación tampoco establece que todos los pacientes con desfibrilador necesiten intervenciones adicionales cuando se detecta un aumento de la puntuación.

La validación incluyó otros 2.040 pacientes de siete hospitales

Una de las fortalezas metodológicas del estudio fue la evaluación del modelo en un grupo independiente del utilizado durante su desarrollo.

Los investigadores analizaron registros de 2.040 pacientes atendidos en siete centros españoles adicionales.

Además, los dispositivos utilizados por este segundo grupo pertenecían a un fabricante diferente.

Esta circunstancia permitió examinar si el modelo conservaba su capacidad de evaluación del riesgo al utilizar información procedente de otra plataforma tecnológica.

La validación independiente resulta especialmente importante en los sistemas de inteligencia artificial médica, porque un algoritmo puede funcionar correctamente con los datos utilizados durante su desarrollo y presentar resultados inferiores cuando se aplica a otros pacientes o dispositivos.

Según los investigadores, el modelo mostró una capacidad de predicción superior a la obtenida mediante evaluaciones basadas exclusivamente en variables clínicas y demográficas, como la edad o determinados antecedentes médicos.

No obstante, la validación realizada dentro de centros españoles no sustituye las pruebas necesarias para comprobar su funcionamiento en otros sistemas sanitarios y poblaciones.

El objetivo es reconocer cuándo aumenta el riesgo de fibrilación ventricular

La investigación fue coordinada por David Filgueiras-Rama, cardiólogo del Hospital Clínico San Carlos de Madrid y responsable del grupo de Desarrollo Avanzado en Mecanismos y Terapia de Arritmias del CNIC.

Entre los primeros autores figuran Jesús Diz Díaz, investigador del CNIC, y José María Lillo Castellano, de la Fundación Interhospitalaria para la Investigación Cardiovascular.

El equipo destaca que el modelo se apoya en mecanismos fisiopatológicos relacionados con la insuficiencia cardíaca.

Esto significa que las variables utilizadas no se seleccionaron únicamente por su capacidad matemática para identificar patrones, sino también por su relación con cambios conocidos en el funcionamiento del corazón.

Esta aproximación puede facilitar la interpretación clínica de los resultados.

La capacidad de reconocer alteraciones eléctricas relevantes también forma parte de otros desarrollos orientados a mejorar la atención de pacientes con arritmias cardíacas complejas, aunque las técnicas terapéuticas y los modelos de predicción cumplen funciones diferentes.

La monitorización remota podría permitir una atención más personalizada

Los desfibriladores implantables modernos pueden transmitir información periódica a plataformas hospitalarias de seguimiento.

Estos sistemas permiten revisar determinados parámetros del dispositivo, detectar acontecimientos eléctricos y evaluar aspectos relacionados con su funcionamiento.

La nueva herramienta podría incorporarse en el futuro a esas plataformas para identificar aumentos relevantes del riesgo individual.

En ese escenario, un cambio importante en la puntuación podría motivar una revisión clínica anticipada, una evaluación de la situación cardiovascular o la reconsideración de determinados tratamientos.

Los investigadores consideran que una ventaja del enfoque es que utiliza información ya generada por los dispositivos, sin necesidad de implantar un sensor adicional.

Sin embargo, la posible integración tecnológica no equivale a una recomendación clínica establecida.

Antes de utilizar alertas automáticas para modificar la atención de los pacientes, sería necesario comprobar si esas decisiones mejoran resultados importantes, como la reducción de arritmias, hospitalizaciones o fallecimientos.

También habría que estudiar cuántas alertas resultarían útiles y cuántas podrían producir intervenciones innecesarias.

Por qué la predicción no sustituye al desfibrilador

El modelo no reemplaza la función terapéutica de los desfibriladores implantables.

Estos dispositivos continúan siendo fundamentales para tratar determinadas arritmias ventriculares graves en pacientes seleccionados.

La nueva herramienta intenta añadir información sobre la evolución del riesgo, no sustituir la detección y el tratamiento de una arritmia cuando esta aparece.

La distinción es relevante porque anticipar un aumento de la vulnerabilidad eléctrica no garantiza que sea posible impedir todos los episodios.

La fibrilación ventricular puede depender de múltiples factores, entre ellos alteraciones estructurales del corazón, cambios metabólicos, desequilibrios electrolíticos y otros desencadenantes.

Por ello, la evaluación clínica debe considerar el conjunto de circunstancias del paciente.

También resulta necesario distinguir las arritmias ventriculares graves de otras alteraciones del ritmo cardíaco que presentan mecanismos, riesgos y tratamientos diferentes.

La importancia de esa distinción se refleja en investigaciones sobre las alteraciones del ritmo cardíaco y sus posibles factores asociados, donde los especialistas subrayan que una señal de riesgo no equivale automáticamente a una relación causal demostrada.

Las limitaciones que deben resolverse antes de su aplicación habitual

Aunque el modelo fue desarrollado y validado con datos de miles de pacientes, todavía existen cuestiones que requieren investigación.

Una de ellas consiste en determinar si el sistema mantiene un rendimiento comparable en poblaciones con características clínicas diferentes.

También será necesario establecer qué valores o cambios de la puntuación justificarían una intervención médica y qué medidas concretas podrían ofrecer beneficios.

Otro aspecto importante es la frecuencia de las transmisiones.

El modelo actualiza su estimación cuando recibe nuevos registros, pero la información disponible no demuestra que pueda identificar con exactitud el momento inmediato en que se producirá una fibrilación ventricular.

Los resultados describen un aumento del riesgo durante los meses anteriores al episodio, no una predicción precisa de segundos o minutos.

La incorporación a plataformas de seguimiento también exigiría evaluar la seguridad de los datos, la interoperabilidad entre dispositivos y la capacidad de los equipos sanitarios para responder a posibles alertas.

Finalmente, un modelo con buena capacidad de discriminación estadística no demuestra por sí solo que su uso cotidiano mejore la supervivencia.

Para responder esa pregunta serían necesarios estudios prospectivos que evaluaran decisiones clínicas guiadas por el sistema y sus consecuencias sobre la salud de los pacientes.

Un paso hacia la prevención de las arritmias ventriculares graves

El estudio, titulado Dynamic Risk Assessment of Severe Ventricular Arrhythmia in Patients With Implantable Defibrillators and Reduced Left Ventricular Ejection Fraction, fue publicado en 2026 en Circulation: Arrhythmia and Electrophysiology, con el identificador DOI 10.1161/CIRCEP.125.015093.

La investigación demuestra que los registros eléctricos enviados a distancia por desfibriladores implantables contienen información asociada con cambios temporales del riesgo de fibrilación ventricular.

Su principal aportación consiste en pasar de una evaluación relativamente estática del riesgo a un seguimiento dinámico que considera la evolución de cada paciente.

La validación con más de 7.000 registros clínicos individuales, distribuidos entre los grupos de desarrollo y evaluación independiente, proporciona una base importante para continuar investigando esta estrategia.

El siguiente desafío será determinar cómo utilizar esas estimaciones para mejorar la atención médica y comprobar si las intervenciones realizadas durante los períodos de mayor riesgo consiguen prevenir acontecimientos graves.

Por ahora, el modelo constituye una herramienta de investigación prometedora que podría aprovechar información ya disponible en los sistemas de monitorización cardíaca, pero cuya incorporación generalizada a las decisiones clínicas necesita nuevas evaluaciones.

Fuentes referenciales:
Circulation: Arrhythmia and Electrophysiology — Estudio original sobre evaluación dinámica del riesgo de arritmias ventriculares (2026)
Centro Nacional de Investigaciones Cardiovasculares Carlos III — Información institucional sobre el estudio, 20 de noviembre de 2026